Eksploracyjna analiza danych¶

autor: Piotr Dłubak

  • Poznań, lipiec 2023 - ver: 0.6 - wersja developerska

Cel analizy¶

  1. Badana populacja: klienci sklepów spożywczych
  2. Rodzaj badania: ankieta on-line dostępna dla wszystkich użytkowników na terenie Polski
  3. Metoda analizy: EDA ("Exploratory Data Analysis") - analiza deskrypcyjna

Analiza deskrypcyjna to proces badania, opisywania i interpretacji danych w celu uzyskania wglądu i zrozumienia ich cech, wzorców i związków. Jest to technika często stosowana w dziedzinach naukowych, badań społecznych, statystyce, lingwistyce i wielu innych dziedzinach.

Głównym celem analizy deskrypcyjnej jest opisanie i podsumowanie danych w sposób, który ujawnia istotne informacje. Może obejmować takie elementy jak obliczanie średnich, median, odchyleń standardowych, minimalnych i maksymalnych wartości, oraz prezentowanie danych w postaci tabel, wykresów lub grafów.

Analiza deskrypcyjna umożliwia identyfikację kluczowych cech, trendów, anomalii i relacji w danych. Może również pomóc w odkrywaniu wzorców, porównywaniu grup lub kategorii danych oraz wyprowadzaniu wniosków na podstawie zebranych informacji.

Głównym celem EDA jest zapewnienie wglądu w dane jeszcze przed sformułowaniem jakichkolwiek założeń. Pomaga identyfikować oczywiste błędy, lepiej pojmować wzorce występujące w obrębie danych, wykrywać wartości odstające i anomalie, a także odnajdywać interesujące relacje między zmiennymi.

Po przeprowadzeniu analizy EDA i uzyskaniu istotnych spostrzeżeń wciąż można wykorzystać tę metodę do bardziej zaawansowanej analizy danych lub modelowania, w tym na potrzeby uczenia maszynowego.

Wyniki przeprowadzonej analizy pokazały, że dla współczesnego konsumenta decyzja o zakupie produktu nie jest motywowana wyłącznie chęcią zaspokojenia określonych potrzeb, ale w znacznym stopniu determinuje ją potrzeba demonstracji przekonań, statusu społeczno-ekonomicznego i stylu życia. Nowoczesny model konsumpcji niesie określone konsekwencje dla praktyki działań marketingowych.

Badanie ankietowe dotyczyło postaw i zachowań respondentów w tracie dokonywania zakupów produktów żywnościowych. W tym celu został skonstruowany kwestionariusz ankiety

**Cechy, takie jak wiek, płeć, wykształcenie, preferowany typ sklepu, dochody netto, preferowana marka sklepu, preferowany towar, preferowany rodzaj promocji oraz czynnik zakupowy, mogą wpływać na wysokość zakupów żywnościowych. **

Wymagania dotyczące danych: Zdefiniowenie zakresu analizy (zmienne, obserwacje, zakresy dziedzinowe)¶

Załadowanie bibliotek¶

In [ ]:
import warnings
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import statsmodels.api as sm
from statsmodels.graphics.mosaicplot import mosaic
import itertools
import random
from scipy.stats import shapiro, normaltest, skew, kurtosis, iqr
from scipy.stats import jarque_bera
import re
import math

warnings.filterwarnings("ignore")

1.1. Pozyskanie danych¶

  • Dane ankietowe do analizy pozyskano od klientow sklepów spożywczych w formie ankiety on-line udostępnionej dla wszystkich użytkowników na terenie
  • Po wstępnym przygotowaniu i oczyszczeniu danych ankietowych aładowano do pliku baza.xlsx

1.2. Pobranie i załadowanie danych¶

In [ ]:
dane = pd.read_excel('baza.xlsx')

1.3. Wyświetlenie pierwszych wierszy tabel¶

In [ ]:
dane.head()
Out[ ]:
nr respondenta płeć wykształcenie wiek liczba osób w rodzinie preferowany typ sklepu preferowana marka sklepu preferowanay towar czynnik zakupowy rodzaj promocji miasto liczba ludności dochody wydatki średnia częstość zakupów w tyg wiek_kat dochody_kat wydatki_kat wielkość miasta
0 R_005 m zawodowe 38 5 osiedlowy Lidl mięso i wędliny jakość gazetka Ostrowiec Świętokrzyski 69715 28000.0 9000.0 3 23-39 niski niski 51 tys.-200 tys.
1 R_010 m zawodowe 59 1 osiedlowy Netto mięso i wędliny marka inne Lubin 78937 30000.0 7080.0 3 40-65 niski niski 51 tys.-200 tys.
2 R_036 m wyższe 35 1 galeria Żabka mięso i wędliny jakość gazetka Biała Podlaska 57957 35000.0 9036.0 19 23-39 niski niski 51 tys.-200 tys.
3 R_044 k podstawowe 58 5 osiedlowy Biedronka mięso i wędliny marka gazetka Lubin 78937 39000.0 9396.0 3 40-65 średni średni 51 tys.-200 tys.
4 R_047 k zawodowe 26 3 bazarek Inna_lokalna mięso i wędliny cena gazetka Zduńska Wola 43719 39000.0 9432.0 8 23-39 średni średni <50 tys.

1.4. Wyświetlenie informacji o tabelach¶

In [ ]:
dane.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 125 entries, 0 to 124
Data columns (total 19 columns):
 #   Column                          Non-Null Count  Dtype  
---  ------                          --------------  -----  
 0   nr respondenta                  125 non-null    object 
 1   płeć                            125 non-null    object 
 2   wykształcenie                   125 non-null    object 
 3   wiek                            125 non-null    int64  
 4   liczba osób w rodzinie          125 non-null    int64  
 5   preferowany typ sklepu          125 non-null    object 
 6   preferowana marka sklepu        125 non-null    object 
 7   preferowanay towar              125 non-null    object 
 8   czynnik zakupowy                125 non-null    object 
 9   rodzaj promocji                 125 non-null    object 
 10  miasto                          125 non-null    object 
 11  liczba ludności                 125 non-null    int64  
 12  dochody                         125 non-null    float64
 13  wydatki                         125 non-null    float64
 14  średnia częstość zakupów w tyg  125 non-null    int64  
 15  wiek_kat                        125 non-null    object 
 16  dochody_kat                     125 non-null    object 
 17  wydatki_kat                     125 non-null    object 
 18  wielkość miasta                 125 non-null    object 
dtypes: float64(2), int64(4), object(13)
memory usage: 18.7+ KB

E.D.A.¶

2. Analiza danych¶

2.1. Analiza danych numerycznych - jednowymiarowa¶

2.1.1 Tabele liczebności i częstości¶

In [ ]:
dane.select_dtypes(include=[np.number]).columns.to_list()
Out[ ]:
['wiek',
 'liczba osób w rodzinie',
 'liczba ludności',
 'dochody',
 'wydatki',
 'średnia częstość zakupów w tyg']
In [ ]:
num = ['wiek','liczba osób w rodzinie','dochody','wydatki','średnia częstość zakupów w tyg']

for column in num:
    print('=' * 75)
    tab = pd.DataFrame(dane[column].value_counts(bins=5).sort_index().round(2))
    tab['licz skum'] = tab['count'].cumsum()
    tab['częstość'] = tab['count'] / (tab['count'].sum()) * 100
    tab['częstość skum'] = tab['częstość'].cumsum()
    print(tab)
    print('=' * 75)

===========================================================================
                            count  licz skum  częstość  częstość skum
wiek                                                                 
(15.937000000000001, 28.4]     30         30      24.0           24.0
(28.4, 40.8]                   17         47      13.6           37.6
(40.8, 53.2]                   29         76      23.2           60.8
(53.2, 65.6]                   23         99      18.4           79.2
(65.6, 78.0]                   26        125      20.8          100.0
===========================================================================
===========================================================================
                        count  licz skum  częstość  częstość skum
liczba osób w rodzinie                                           
(0.995, 1.8]               24         24      19.2           19.2
(1.8, 2.6]                 26         50      20.8           40.0
(2.6, 3.4]                 19         69      15.2           55.2
(3.4, 4.2]                 23         92      18.4           73.6
(4.2, 5.0]                 33        125      26.4          100.0
===========================================================================
===========================================================================
                      count  licz skum  częstość  częstość skum
dochody                                                        
(25964.999, 33000.0]     13         13      10.4           10.4
(33000.0, 40000.0]       32         45      25.6           36.0
(40000.0, 47000.0]       45         90      36.0           72.0
(47000.0, 54000.0]       27        117      21.6           93.6
(54000.0, 61000.0]        8        125       6.4          100.0
===========================================================================
===========================================================================
                    count  licz skum  częstość  częstość skum
wydatki                                                      
(5150.195, 7120.8]      4          4       3.2            3.2
(7120.8, 9081.6]       28         32      22.4           25.6
(9081.6, 11042.4]      51         83      40.8           66.4
(11042.4, 13003.2]     34        117      27.2           93.6
(13003.2, 14964.0]      8        125       6.4          100.0
===========================================================================
===========================================================================
                                count  licz skum  częstość  częstość skum
średnia częstość zakupów w tyg                                           
(2.983, 6.2]                       42         42      33.6           33.6
(6.2, 9.4]                         32         74      25.6           59.2
(9.4, 12.6]                         0         74       0.0           59.2
(12.6, 15.8]                       22         96      17.6           76.8
(15.8, 19.0]                       29        125      23.2          100.0
===========================================================================

2.1.2 Podstawowe parametry statystyczne¶

In [ ]:
def stat(df):
    suma = df.sum()
    liczba = df.count()
    braki = df.isna().sum()
    min = df.min()
    max  = df.max()
    średnia = df.mean().round(2)
    rozstęp = (df.max()-df.min()).round(2)
    Q_10 = df.quantile(.1).round(2)
    Q1_25 = df.quantile(.25).round(2)
    Q2_50 =  df.quantile(.5).round(2)
    Q3_75 = df.quantile(.75).round(2)
    Q_90 = df.quantile(.9).round(2)
    IQR = df.quantile(.75) - df.quantile(.25).round(2)
    odch_cwiar =  ((Q3_75  - Q1_25)/2).round(2)
    odchylenie_przeciętne = (np.mean(np.abs(df - df.mean()))/df.mean()*100).round(2)
    wariancja =  df.var(ddof=1).round(3)
    odch_std = df.std(ddof=1).round(3)
    błąd_odch_std =  df.std(ddof=1)/np.sqrt(df.count()).round(3)
    kl_wsp_zmien = df.std(ddof=1)/df.mean().round(2)
    poz_wsp_zmien =  ((df.quantile(.75) - df.quantile(.25))/df.quantile(.5)).round(2)
    skośność = df.skew().round(2)
    kurtoza =  df.kurtosis().round(2)

    wyniki = pd.DataFrame({'liczba':liczba,'liczba brakujących':braki,'suma': suma,'min':min, 'max':max,
                            'średnia': średnia,'rozstęp':  rozstęp,'Q_10%': Q_10 ,'Q1_25%': Q1_25 ,'Q2_50%':   Q2_50 ,'Q3_75%':  Q3_75 ,'Q_90%':   Q_90,'IQR': IQR ,
                            'odch_cwiar': odch_cwiar,'odchylenie przeciętne': odchylenie_przeciętne, 'wariancja':  wariancja,'odch_std': odch_std, 'błąd_odch_std':  błąd_odch_std,
                            'kl_wsp_zmien':  kl_wsp_zmien, 'poz_wsp_zmien':  poz_wsp_zmien, 'skośność':  skośność, 'kurtoza': kurtoza
                           })

   
    return wyniki.T.round(2)
In [ ]:
stat(dane[num])
Out[ ]:
wiek liczba osób w rodzinie dochody wydatki średnia częstość zakupów w tyg
liczba 125.00 125.00 125.00 125.00 125.00
liczba brakujących 0.00 0.00 0.00 0.00 0.00
suma 5849.00 390.00 5400826.40 1294229.88 1219.00
min 16.00 1.00 26000.00 5160.00 3.00
max 78.00 5.00 61000.00 14964.00 19.00
średnia 46.79 3.12 43206.61 10353.84 9.75
rozstęp 62.00 4.00 35000.00 9804.00 16.00
Q_10% 24.00 1.00 33400.00 8090.40 3.00
Q1_25% 29.00 2.00 38000.00 9060.00 3.00
Q2_50% 46.00 3.00 43000.00 10255.40 8.00
Q3_75% 63.00 5.00 48000.00 11532.00 13.00
Q_90% 70.60 5.00 54000.00 12732.00 19.00
IQR 34.00 3.00 10000.00 2472.00 10.00
odch_cwiar 17.00 1.50 5000.00 1236.00 5.00
odchylenie przeciętne 3338.47 50068.52 3.62 15.09 16018.64
wariancja 324.84 2.22 62934150.89 3363507.70 38.11
odch_std 18.02 1.49 7933.10 1833.99 6.17
błąd_odch_std 1.61 0.13 709.58 164.04 0.55
kl_wsp_zmien 0.39 0.48 0.18 0.18 0.63
poz_wsp_zmien 0.74 1.00 0.23 0.24 1.25
skośność -0.00 -0.08 0.18 0.21 0.37
kurtoza -1.24 -1.44 -0.59 0.20 -1.31

2.1.3 Ocena zgodnosci z rozkladem normalnym¶

In [ ]:
from scipy.stats import shapiro, normaltest, skewtest, kurtosistest, jarque_bera
import statsmodels.api as sm

def testy_normalnosci(x):
    alpha = 0.05

    stat, p = shapiro(x)
    if p > alpha:
        print(f'Shapiro-Wilk Test: statystyka-t: {stat:.4f}, p-value {p:.4f}  próbka ma rozkład normalny')
    else:
        print(f'Shapiro-Wilk Test: statystyka-t: {stat:.4f}, p-value {p:.4f}   próbka nie ma rozkładu normalnego')

    stat, p = sm.stats.diagnostic.lilliefors(x, 'norm')
    if p > alpha:
        print(f'Lilliefors Test:   statystyka-t: {stat:.4f}, p-value {p:.4f}  próbka ma rozkład normalny')
    else:
        print(f'Lilliefors Test:   statystyka-t: {stat:.4f}, p-value {p:.4f}  próbka nie ma rozkładu normalnego')

    stat, p = normaltest(x)
    if p > alpha:
        print(f'D.Agostino Test:   statystyka-t: {stat:.4f}, p-value {p:.4f}  próbka ma rozkład normalny')
    else:
        print(f'D.Agostino Test:   statystyka-t: {stat:.4f}, p-value {p:.4f}  próbka nie ma rozkładu normalnego')

    stat, p = skewtest(x)
    if p > alpha:
        print(f'Test skośnosci:    statystyka-t: {stat:.4f}, p-value {p:.4f}  próbka ma rozkład normalny')
    else:
        print(f'Test skośnosci:    statystyka-t: {stat:.4f}, p-value {p:.4f}  próbka nie ma rozkładu normalnego')

    stat, p = kurtosistest(x)
    if p > alpha:
        print(f'Test kurtozy:      statystyka-t: {stat:.4f}, p-value {p:.4f}  próbka ma rozkład normalny')
    else:
        print(f'Test kurtozy:      statystyka-t: {stat:.4f}, p-value {p:.4f}  próbka nie ma rozkładu normalnego')

    stat, p = jarque_bera(x)
    if p > alpha:
        print(f'Test Jarque_Bera:  statystyka-t: {stat:.4f}, p-value {p:.4f}  próbka ma rozkład normalny')
    else:
        print(f'Test Jarque_Bera:  statystyka-t: {stat:.4f}, p-value {p:.4f}  próbka nie ma rozkładu normalnego')
In [ ]:
for column in num:
    print(f'{column.upper()}:')
    print()
    testy_normalnosci(dane[column])
    print()

WIEK:

Shapiro-Wilk Test: statystyka-t: 0.9490, p-value 0.0001   próbka nie ma rozkładu normalnego
Lilliefors Test:   statystyka-t: 0.1055, p-value 0.0029  próbka nie ma rozkładu normalnego
D.Agostino Test:   statystyka-t: 57.5772, p-value 0.0000  próbka nie ma rozkładu normalnego
Test skośnosci:    statystyka-t: -0.0005, p-value 0.9996  próbka ma rozkład normalny
Test kurtozy:      statystyka-t: -7.5880, p-value 0.0000  próbka nie ma rozkładu normalnego
Test Jarque_Bera:  statystyka-t: 8.0204, p-value 0.0181  próbka nie ma rozkładu normalnego

LICZBA OSÓB W RODZINIE:

Shapiro-Wilk Test: statystyka-t: 0.8670, p-value 0.0000   próbka nie ma rozkładu normalnego
Lilliefors Test:   statystyka-t: 0.1739, p-value 0.0010  próbka nie ma rozkładu normalnego
D.Agostino Test:   statystyka-t: 197.2516, p-value 0.0000  próbka nie ma rozkładu normalnego
Test skośnosci:    statystyka-t: -0.3561, p-value 0.7218  próbka ma rozkład normalny
Test kurtozy:      statystyka-t: -14.0401, p-value 0.0000  próbka nie ma rozkładu normalnego
Test Jarque_Bera:  statystyka-t: 10.7528, p-value 0.0046  próbka nie ma rozkładu normalnego

DOCHODY:

Shapiro-Wilk Test: statystyka-t: 0.9806, p-value 0.0694  próbka ma rozkład normalny
Lilliefors Test:   statystyka-t: 0.0895, p-value 0.0234  próbka nie ma rozkładu normalnego
D.Agostino Test:   statystyka-t: 3.8990, p-value 0.1423  próbka ma rozkład normalny
Test skośnosci:    statystyka-t: 0.8570, p-value 0.3915  próbka ma rozkład normalny
Test kurtozy:      statystyka-t: -1.7789, p-value 0.0753  próbka ma rozkład normalny
Test Jarque_Bera:  statystyka-t: 2.6444, p-value 0.2665  próbka ma rozkład normalny

WYDATKI:

Shapiro-Wilk Test: statystyka-t: 0.9897, p-value 0.4779  próbka ma rozkład normalny
Lilliefors Test:   statystyka-t: 0.0583, p-value 0.4362  próbka ma rozkład normalny
D.Agostino Test:   statystyka-t: 1.4203, p-value 0.4916  próbka ma rozkład normalny
Test skośnosci:    statystyka-t: 1.0107, p-value 0.3121  próbka ma rozkład normalny
Test kurtozy:      statystyka-t: 0.6315, p-value 0.5277  próbka ma rozkład normalny
Test Jarque_Bera:  statystyka-t: 1.0521, p-value 0.5909  próbka ma rozkład normalny

ŚREDNIA CZĘSTOŚĆ ZAKUPÓW W TYG:

Shapiro-Wilk Test: statystyka-t: 0.8280, p-value 0.0000   próbka nie ma rozkładu normalnego
Lilliefors Test:   statystyka-t: 0.2037, p-value 0.0010  próbka nie ma rozkładu normalnego
D.Agostino Test:   statystyka-t: 86.5425, p-value 0.0000  próbka nie ma rozkładu normalnego
Test skośnosci:    statystyka-t: 1.7061, p-value 0.0880  próbka ma rozkład normalny
Test kurtozy:      statystyka-t: -9.1450, p-value 0.0000  próbka nie ma rozkładu normalnego
Test Jarque_Bera:  statystyka-t: 11.6846, p-value 0.0029  próbka nie ma rozkładu normalnego

2.1.4 Wykresy¶

In [ ]:
def plot_num(dane):
    plt.figure(figsize=(12, 3))
    plt.rcParams['axes.facecolor'] = 'white'
    plt.suptitle(f'Rozkład zmiennej ilościowej:  {dane.name}', fontsize=11, color='black')
    plt.subplot(1, 3, 1)
    ax1 = dane.plot(kind='hist', bins=4,edgecolor='blue', linewidth=0.8, color='white')
    counts, bins, patches = plt.hist(dane, bins=4,edgecolor='blue', linewidth=0.8, color='white')
    ax1.tick_params(axis='both', which='both', labelsize=8)
    ax1.set_title('Histogram', color='blue', size=10)
    ax1.set_xlabel(dane.name, fontsize=8)
    ax1.set_ylabel('Liczebność', fontsize=8)
    ax1.spines['right'].set_visible(False)
    ax1.spines['top'].set_visible(False)
    for count, bin_value, patch in zip(counts, bins, patches):
        plt.annotate(str(int(count)), xy=(bin_value, count), xytext=(10, 1),textcoords='offset points', ha='center', va='bottom',fontsize=8, color='black')

    plt.subplot(1, 3, 2)
    ax2 = dane.plot(kind='box')
    ax2.tick_params(axis='both', which='both', labelsize=8)
    ax2.set_title('Boxplot', color='blue', size=10)
    ax2.spines['right'].set_visible(False)
    ax2.spines['top'].set_visible(False)
        # Dodanie adnotacji z oznaczeniem średniej
    mean_value = dane.mean()

    plt.axhline(mean_value, color='blue', linestyle='--', linewidth=0.5)
    plt.annotate(f'Mean: {mean_value:.2f}', xy=(1.2, mean_value), xytext=(20, -5), textcoords='offset points', ha='center', va='center', fontsize=6, color='black')

    plt.subplot(1, 3, 3)
    ax3 = dane.plot(kind='kde')
    ax3.tick_params(axis='both', which='both', labelsize=8)
    ax3.set_title('KDE', color='blue', size=10)
    ax3.set_xlabel(dane.name, fontsize=8)
    ax3.set_ylabel('Gęstość', fontsize=8)
    ax3.spines['right'].set_visible(False)
    ax3.spines['top'].set_visible(False)

    ax2.grid(axis='y', linestyle='--', color='lightgray')

    plt.tight_layout()
    plt.show()
In [ ]:
num = dane.select_dtypes(include=[np.number]).columns.to_list()

for column in num:
    plot_num(dane[column])

2.2. Analiza danych kategorialnych - jednowymiarowa¶

2.2.1 Tabele liczebności i częstości¶

In [ ]:
zmienna_tekstowa= ['płeć', 'wykształcenie',
 'preferowany typ sklepu','preferowana marka sklepu', 'preferowanay towar', 'czynnik zakupowy',
 'rodzaj promocji', 'wiek_kat',	'dochody_kat'	,'wydatki_kat',	'wielkość miasta']

for element in zmienna_tekstowa:
    print('='*50)
    tabela = pd.DataFrame(dane[element].value_counts())
    tabela['f %']=(tabela['count']/(tabela['count'].sum())*100)
    print(tabela)
    print()

==================================================
      count   f %
płeć             
k        85  68.0
m        40  32.0

==================================================
               count   f %
wykształcenie             
wyższe            75  60.0
średnie           25  20.0
zawodowe          16  12.8
podstawowe         9   7.2

==================================================
                        count   f %
preferowany typ sklepu             
supermarket                38  30.4
osiedlowy                  30  24.0
bazarek                    29  23.2
galeria                    28  22.4

==================================================
                          count   f %
preferowana marka sklepu             
Biedronka                    33  26.4
Inna_lokalna                 31  24.8
Lidl                         21  16.8
Netto                        14  11.2
Kaufland                     14  11.2
Żabka                        12   9.6

==================================================
                      count   f %
preferowanay towar               
produkty piekarnicze     23  18.4
owoce i warzywa          22  17.6
mięso i wędliny          20  16.0
produkty mleczne         19  15.2
napoje                   18  14.4
słodycze                 12   9.6
produkty zbożowe         11   8.8

==================================================
                  count   f %
czynnik zakupowy             
jakość               47  37.6
cena                 38  30.4
marka                21  16.8
inne                 19  15.2

==================================================
                 count   f %
rodzaj promocji             
gazetka             45  36.0
reklama rtv         34  27.2
nie korzystam       19  15.2
karta               14  11.2
inne                13  10.4

==================================================
          count   f %
wiek_kat             
40-65        52  41.6
23-39        35  28.0
> 66         26  20.8
14-22        12   9.6

==================================================
               count   f %
dochody_kat               
niski             36  28.8
bardzo wysoki     31  24.8
wysoki            30  24.0
średni            28  22.4

==================================================
               count   f %
wydatki_kat               
niski             32  25.6
średni            31  24.8
wysoki            31  24.8
bardzo wysoki     31  24.8

==================================================
                   count   f %
wielkość miasta               
51 tys.-200 tys.      90  72.0
201 tys.-500 tys.     24  19.2
pow 500 tys.           7   5.6
<50 tys.               4   3.2

2.2.2 Wykresy¶

In [ ]:
    
for element in zmienna_tekstowa:
    plt.figure(figsize=(6, 3))
    dane[element].value_counts().plot(kind = 'barh',edgecolor='blue', linewidth=0.8, color='grey', title=f'Rozkład zmiennej: [{element}]')

2.3. Analiza danych numerycznych - analiza porównawcza wg poziomów zmiennej kategorialnej¶

2.3.1. Podstawowe statystyki¶

In [ ]:
zmienna_tekstowa= ['płeć', 'wykształcenie',
 'preferowany typ sklepu','preferowana marka sklepu', 'preferowanay towar', 'czynnik zakupowy',
 'rodzaj promocji', 'wiek_kat','wielkość miasta']

print('DOCHODY')

for element in zmienna_tekstowa:
    grup = pd.DataFrame(dane.groupby([element])['dochody'].describe()).round(2)
    display(grup)

print('WYDATKI:')

for element in zmienna_tekstowa:
    grup = pd.DataFrame(dane.groupby([element])['wydatki'].describe()).round(2)
    display(grup)

DOCHODY
count mean std min 25% 50% 75% max
płeć
k 85.0 46263.68 6271.34 33000.0 42000.0 45000.0 50000.0 61000.0
m 40.0 36710.33 7192.74 26000.0 32000.0 35000.0 38000.0 54000.0
count mean std min 25% 50% 75% max
wykształcenie
podstawowe 9.0 39555.56 7333.33 26000.0 38000.0 39000.0 39000.0 54000.0
wyższe 75.0 46112.18 7607.48 34000.0 41500.0 46000.0 52000.0 61000.0
zawodowe 16.0 35963.32 5638.25 28000.0 30000.0 39000.0 40000.0 43206.6
średnie 25.0 40440.00 5881.33 32000.0 34000.0 41000.0 43000.0 54000.0
count mean std min 25% 50% 75% max
preferowany typ sklepu
bazarek 29.0 39317.47 8280.30 26000.0 32000.0 39000.0 44000.0 54000.0
galeria 28.0 49328.81 7778.26 35000.0 47000.0 51500.0 54000.0 61000.0
osiedlowy 30.0 39440.22 5027.10 28000.0 38000.0 40000.0 42500.0 49000.0
supermarket 38.0 44637.02 6422.53 33000.0 42000.0 44000.0 46000.0 60000.0
count mean std min 25% 50% 75% max
preferowana marka sklepu
Biedronka 33.0 45121.21 8929.44 30000.0 39000.00 43000.0 54000.00 61000.0
Inna_lokalna 31.0 42239.14 6772.84 30000.0 36500.00 43000.0 45500.00 60000.0
Kaufland 14.0 46443.33 7211.38 32000.0 42301.65 47000.0 53500.00 54000.0
Lidl 21.0 40666.67 7330.30 28000.0 35000.00 43000.0 45000.00 54000.0
Netto 14.0 40800.47 10352.67 26000.0 32500.00 39000.0 48301.65 59000.0
Żabka 12.0 43916.67 4399.55 35000.0 41000.00 43500.0 47000.00 51000.0
count mean std min 25% 50% 75% max
preferowanay towar
mięso i wędliny 20.0 43650.00 8640.63 28000.0 39000.0 45500.0 48000.0 61000.0
napoje 18.0 41944.44 8341.76 30000.0 35000.0 38000.0 47250.0 57000.0
owoce i warzywa 22.0 42800.90 9098.03 26000.0 34250.0 43206.6 47750.0 61000.0
produkty mleczne 19.0 42947.37 6450.44 32000.0 41000.0 43000.0 44000.0 59000.0
produkty piekarnicze 23.0 43043.48 6033.83 30000.0 38500.0 44000.0 47500.0 54000.0
produkty zbożowe 11.0 46727.27 9634.22 29000.0 42000.0 52000.0 54000.0 57000.0
słodycze 12.0 42600.55 8565.94 31000.0 35000.0 40500.0 51750.0 54000.0
count mean std min 25% 50% 75% max
czynnik zakupowy
cena 38.0 42973.68 7903.08 32000.0 35750.0 42000.0 47750.0 61000.0
inne 19.0 44284.91 7841.19 26000.0 39000.0 44000.0 51500.0 54000.0
jakość 47.0 43668.37 7732.05 28000.0 37000.0 44000.0 49000.0 61000.0
marka 21.0 41619.05 8800.43 29000.0 35000.0 41000.0 45000.0 60000.0
count mean std min 25% 50% 75% max
rodzaj promocji
gazetka 45.0 41315.70 7398.38 26000.0 35000.0 42000.0 46000.0 60000.0
inne 13.0 43000.00 9345.23 30000.0 39000.0 40000.0 52000.0 57000.0
karta 14.0 38285.71 8231.54 30000.0 32000.0 34500.0 42750.0 57000.0
nie korzystam 19.0 46800.35 8258.44 35000.0 41000.0 44000.0 53000.0 61000.0
reklama rtv 34.0 45806.27 6187.30 35000.0 42000.0 45000.0 49500.0 59000.0
count mean std min 25% 50% 75% max
wiek_kat
14-22 12.0 43333.33 9689.11 26000.0 35000.0 43500.0 48500.0 61000.0
23-39 35.0 42446.28 8046.55 28000.0 38500.0 43000.0 45000.0 61000.0
40-65 52.0 43846.15 7678.30 30000.0 38750.0 43500.0 50000.0 59000.0
> 66 26.0 42892.56 7794.21 30000.0 35750.0 43603.3 48750.0 57000.0
count mean std min 25% 50% 75% max
wielkość miasta
201 tys.-500 tys. 24.0 43250.00 7066.45 30000.0 38750.0 42500.0 47250.00 57000.0
51 tys.-200 tys. 90.0 42982.37 8358.58 26000.0 35000.0 43000.0 48750.00 61000.0
<50 tys. 4.0 42301.65 2242.91 39000.0 42000.0 43103.3 43404.95 44000.0
pow 500 tys. 7.0 46458.09 7531.43 34000.0 43603.3 44000.0 51500.00 57000.0 
WYDATKI:
count mean std min 25% 50% 75% max
płeć
k 85.0 11223.67 1427.80 9228.0 10128.0 10920.0 12024.0 14964.00
m 40.0 8505.45 1072.48 5160.0 8022.0 8556.0 9009.0 10353.84
count mean std min 25% 50% 75% max
wykształcenie
podstawowe 9.0 9039.49 1160.47 6084.0 9228.0 9336.0 9396.0 10255.40
wyższe 75.0 11082.40 1872.42 5160.0 9462.0 11268.0 12186.0 14964.00
zawodowe 16.0 8969.29 1164.05 7080.0 7800.0 9468.0 9696.0 10353.84
średnie 25.0 9527.43 988.08 7872.0 8184.0 9948.0 10152.0 10500.00
count mean std min 25% 50% 75% max
preferowany typ sklepu
bazarek 29.0 9023.79 1390.90 5160.0 8028.0 9000.0 10255.4 12132.0
galeria 28.0 12080.14 1593.08 8952.0 11517.0 12186.0 12732.0 14964.0
osiedlowy 30.0 9388.80 1256.42 6084.0 9021.0 9504.0 9903.0 11784.0
supermarket 38.0 10858.74 1435.38 8028.0 10131.0 10632.0 11259.0 14964.0
count mean std min 25% 50% 75% max
preferowana marka sklepu
Biedronka 33.0 10814.55 2354.53 5160.0 9336.00 10380.0 12492.0 14964.0
Inna_lokalna 31.0 10029.07 1354.86 7800.0 9030.00 9996.0 10746.0 13968.0
Kaufland 14.0 10885.56 1944.69 7092.0 9995.46 11352.0 12609.0 12732.0
Lidl 21.0 9813.50 1549.19 6084.0 8952.00 10255.4 10752.0 11904.0
Netto 14.0 10042.81 2067.62 7080.0 8157.00 9975.7 11565.0 13560.0
Żabka 12.0 10614.00 921.20 9036.0 9939.00 10452.0 11310.0 12024.0
count mean std min 25% 50% 75% max
preferowanay towar
mięso i wędliny 20.0 10804.20 1854.98 7080.0 9486.0 10962.0 11562.0 14964.0
napoje 18.0 9941.33 1621.62 8028.0 8982.0 9186.0 10698.0 13248.0
owoce i warzywa 22.0 10357.76 1990.93 7092.0 8358.0 10440.0 11775.0 14172.0
produkty mleczne 19.0 10511.25 1502.58 8556.0 9894.0 10152.0 10542.0 14964.0
produkty piekarnicze 23.0 9671.38 1799.45 5160.0 8928.0 9948.0 11040.0 11904.0
produkty zbożowe 11.0 11504.31 1899.79 8004.0 10191.7 12132.0 12612.0 14964.0
słodycze 12.0 10219.00 1970.33 7284.0 8553.0 9738.0 12201.0 12936.0
count mean std min 25% 50% 75% max
czynnik zakupowy
cena 38.0 10336.36 1670.28 7800.0 9033.0 10056.0 11472.0 14172.0
inne 19.0 10384.07 1613.73 7092.0 9318.0 10500.0 11508.0 12732.0
jakość 47.0 10380.92 2051.07 5160.0 9018.0 10380.0 11508.0 14964.0
marka 21.0 10297.50 1914.82 7080.0 9144.0 9948.0 10812.0 14964.0
count mean std min 25% 50% 75% max
rodzaj promocji
gazetka 45.0 10096.81 1538.63 6084.0 9000.0 10140.0 11172.0 13968.0
inne 13.0 9961.85 2153.73 7080.0 9000.0 9408.0 9948.0 14964.0
karta 14.0 9293.14 1786.59 7284.0 7905.0 8634.0 10227.0 13248.0
nie korzystam 19.0 11337.47 2034.29 8556.0 9852.0 10692.0 12366.0 14964.0
reklama rtv 34.0 10730.98 1717.31 5160.0 9939.0 10956.0 11760.0 13560.0
count mean std min 25% 50% 75% max
wiek_kat
14-22 12.0 10502.62 1762.93 8460.0 9015.0 10191.7 11508.0 14172.0
23-39 35.0 10063.97 1743.09 6084.0 9018.0 10128.0 10632.0 14172.0
40-65 52.0 10471.57 1952.10 5160.0 9381.0 10368.0 11802.0 14964.0
> 66 26.0 10439.92 1801.32 7800.0 9015.0 10524.0 11826.0 14964.0
count mean std min 25% 50% 75% max
wielkość miasta
201 tys.-500 tys. 24.0 10494.50 1657.46 7800.0 9363.0 10188.0 11391.0 14964.0
51 tys.-200 tys. 90.0 10251.98 1893.58 5160.0 8982.0 10146.0 11541.0 14964.0
<50 tys. 4.0 10248.00 561.06 9432.0 10125.0 10434.0 10557.0 10692.0
pow 500 tys. 7.0 11241.63 2115.47 8184.0 10383.7 10512.0 12132.0 14964.0

2.3.2. Wykresy¶

In [ ]:
zmienna_tekstowa= ['płeć', 'wykształcenie',
 'preferowany typ sklepu','preferowana marka sklepu', 'preferowanay towar', 'czynnik zakupowy',
 'rodzaj promocji', 'wiek_kat','wielkość miasta']

for element in zmienna_tekstowa:
    fig, axes = plt.subplots(1, 3, figsize=(18, 4))
    axes[0].set_title("Histogram - liczebności", color='red', fontsize=10)
    sns.histplot(dane, x='dochody', stat='count',  hue = element,bins=9, fill=True, color="black", alpha=0.6, ax=axes[0])
    axes[1].set_title("KDE", color='red', fontsize=10)
    sns.kdeplot(dane, x='dochody',hue = element, label = True,ax=axes[1])
    axes[2].set_title("Boxplot", color='red', fontsize=10)
    sns.boxplot(dane, x='dochody', y = element, ax=axes[2], orient='h')


for element in zmienna_tekstowa:
    fig, axes = plt.subplots(1, 3, figsize=(18, 4))
    axes[0].set_title("Histogram - liczebności", color='red', fontsize=10)
    sns.histplot(dane, x='wydatki', stat='count',  hue = element,bins=9, fill=True, color="black", alpha=0.6, ax=axes[0])
    axes[1].set_title("KDE", color='red', fontsize=10)
    sns.kdeplot(dane, x='wydatki',hue = element, label = True,ax=axes[1])
    axes[2].set_title("Boxplot", color='red', fontsize=10)
    sns.boxplot(dane, x='wydatki', y = element, ax=axes[2], orient='h')

2.4. Analiza zależnosci zmiennych numerycznych¶

2.4.1. Tablica korelacji¶

In [ ]:
print('Macierz Korelacji')
corr_matrix = dane[['dochody', 'wydatki']].corr().round(2)
display(corr_matrix)

Macierz Korelacji
dochody wydatki
dochody 1.00 0.74
wydatki 0.74 1.00

2.4.2. Wykres korelacji i rozrzutu¶

In [ ]:
def num_plot2(df, num1,num2):
    fig, axs = plt.subplots(1, 2, figsize=(9, 4))
    df = df[[num1,num2]]
    corr = df.corr()
    x = df[num1]
    y = df[num2]
    plt.suptitle(f' Wykres zależnosci:    {num1} : {num2}', fontsize=9, color='black')
    axs[0].set_title("wykres rorzutu", color='red', fontsize=10)
    sns.regplot(data=dane, x=num1, y=num2,ax=axs[0])
    axs[1].set_title("wykres korelacji", color='red', fontsize=10)
    sns.heatmap(corr, annot = True, vmin=-1, vmax=1, center= 0, cmap= 'coolwarm', linewidths=1, linecolor='black',ax=axs[1])
    axs[0].set_xticklabels(axs[0].get_xticklabels(), rotation=0, fontsize=8)
    axs[1].set_xticklabels(axs[1].get_xticklabels(), rotation=0, fontsize=8)
    axs[0].tick_params(axis='both', which='major', labelsize=8)
    axs[1].tick_params(axis='both', which='major', labelsize=8)
    axs[0].grid(axis='y', linestyle='--', color='lightgray')
    for ax in axs:
        ax.spines['top'].set_visible(False)
        ax.spines['right'].set_visible(False)
        ax.xaxis.label.set_visible(False)
        ax.yaxis.label.set_size(8)
    plt.tight_layout()
    plt.show()


num_plot2(dane, 'dochody', 'wydatki')

2.5 Analiza zależnosci zmiennych kategorialnych¶

2.5.1 Tabele kontyngencji¶

In [ ]:
def rozklady_cat(df, cat1, cat2, widok):

    if widok == 'licz_all':
        print('liczebności:')
        t = pd.crosstab(df[cat1], df[cat2], margins=True, margins_name="Razem")
    elif widok == 'proc_all': 
        print('częstości całkowite %:')
        t = (pd.crosstab(df[cat1], df[cat2], dropna=False, normalize='all', margins=True, margins_name='suma')*100).round(2)
    elif widok == 'proc_col':
        print('częstości wg kolumn %: ')
        t = (pd.crosstab(df[cat1], df[cat2], dropna=False, normalize='columns')*100).round(2)
    elif widok == 'proc_row':
        print('częstosci wg wierszy %:')
        t = (pd.crosstab(df[cat1], df[cat2], dropna=False, normalize='index', margins_name='suma')*100).round(2)
    return t


import itertools

lista = ['płeć', 'wykształcenie', 'preferowany typ sklepu', 'preferowana marka sklepu', 
         'czynnik zakupowy', 'rodzaj promocji', 'wiek_kat', 'wielkość miasta']
lista2 = ['dochody_kat', 'wydatki_kat']

for element1, element2 in itertools.product(lista, lista2):
    display(rozklady_cat(dane, element1, element2, 'licz_all'))
    print()
    display(rozklady_cat(dane, element1, element2, 'proc_all'))
    print()
    display(rozklady_cat(dane, element1, element2, 'proc_all'))
    print()
    display(rozklady_cat(dane, element1, element2, 'proc_row'))
    print()

liczebności:
dochody_kat bardzo wysoki niski wysoki średni Razem
płeć
k 26 5 27 27 85
m 5 31 3 1 40
Razem 31 36 30 28 125 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
płeć
k 20.8 4.0 21.6 21.6 68.0
m 4.0 24.8 2.4 0.8 32.0
suma 24.8 28.8 24.0 22.4 100.0 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
płeć
k 20.8 4.0 21.6 21.6 68.0
m 4.0 24.8 2.4 0.8 32.0
suma 24.8 28.8 24.0 22.4 100.0 
częstosci wg wierszy %:
dochody_kat bardzo wysoki niski wysoki średni
płeć
k 30.59 5.88 31.76 31.76
m 12.50 77.50 7.50 2.50 
liczebności:
wydatki_kat bardzo wysoki niski wysoki średni Razem
płeć
k 31 0 29 25 85
m 0 32 2 6 40
Razem 31 32 31 31 125 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
płeć
k 24.8 0.0 23.2 20.0 68.0
m 0.0 25.6 1.6 4.8 32.0
suma 24.8 25.6 24.8 24.8 100.0 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
płeć
k 24.8 0.0 23.2 20.0 68.0
m 0.0 25.6 1.6 4.8 32.0
suma 24.8 25.6 24.8 24.8 100.0 
częstosci wg wierszy %:
wydatki_kat bardzo wysoki niski wysoki średni
płeć
k 36.47 0.0 34.12 29.41
m 0.00 80.0 5.00 15.00 
liczebności:
dochody_kat bardzo wysoki niski wysoki średni Razem
wykształcenie
podstawowe 1 4 1 3 9
wyższe 28 18 27 2 75
zawodowe 0 7 2 7 16
średnie 2 7 0 16 25
Razem 31 36 30 28 125 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
wykształcenie
podstawowe 0.8 3.2 0.8 2.4 7.2
wyższe 22.4 14.4 21.6 1.6 60.0
zawodowe 0.0 5.6 1.6 5.6 12.8
średnie 1.6 5.6 0.0 12.8 20.0
suma 24.8 28.8 24.0 22.4 100.0 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
wykształcenie
podstawowe 0.8 3.2 0.8 2.4 7.2
wyższe 22.4 14.4 21.6 1.6 60.0
zawodowe 0.0 5.6 1.6 5.6 12.8
średnie 1.6 5.6 0.0 12.8 20.0
suma 24.8 28.8 24.0 22.4 100.0 
częstosci wg wierszy %:
dochody_kat bardzo wysoki niski wysoki średni
wykształcenie
podstawowe 11.11 44.44 11.11 33.33
wyższe 37.33 24.00 36.00 2.67
zawodowe 0.00 43.75 12.50 43.75
średnie 8.00 28.00 0.00 64.00 
liczebności:
wydatki_kat bardzo wysoki niski wysoki średni Razem
wykształcenie
podstawowe 0 2 0 7 9
wyższe 31 16 24 4 75
zawodowe 0 7 1 8 16
średnie 0 7 6 12 25
Razem 31 32 31 31 125 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
wykształcenie
podstawowe 0.0 1.6 0.0 5.6 7.2
wyższe 24.8 12.8 19.2 3.2 60.0
zawodowe 0.0 5.6 0.8 6.4 12.8
średnie 0.0 5.6 4.8 9.6 20.0
suma 24.8 25.6 24.8 24.8 100.0 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
wykształcenie
podstawowe 0.0 1.6 0.0 5.6 7.2
wyższe 24.8 12.8 19.2 3.2 60.0
zawodowe 0.0 5.6 0.8 6.4 12.8
średnie 0.0 5.6 4.8 9.6 20.0
suma 24.8 25.6 24.8 24.8 100.0 
częstosci wg wierszy %:
wydatki_kat bardzo wysoki niski wysoki średni
wykształcenie
podstawowe 0.00 22.22 0.00 77.78
wyższe 41.33 21.33 32.00 5.33
zawodowe 0.00 43.75 6.25 50.00
średnie 0.00 28.00 24.00 48.00 
liczebności:
dochody_kat bardzo wysoki niski wysoki średni Razem
preferowany typ sklepu
bazarek 6 14 4 5 29
galeria 18 5 5 0 28
osiedlowy 1 12 4 13 30
supermarket 6 5 17 10 38
Razem 31 36 30 28 125 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
preferowany typ sklepu
bazarek 4.8 11.2 3.2 4.0 23.2
galeria 14.4 4.0 4.0 0.0 22.4
osiedlowy 0.8 9.6 3.2 10.4 24.0
supermarket 4.8 4.0 13.6 8.0 30.4
suma 24.8 28.8 24.0 22.4 100.0 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
preferowany typ sklepu
bazarek 4.8 11.2 3.2 4.0 23.2
galeria 14.4 4.0 4.0 0.0 22.4
osiedlowy 0.8 9.6 3.2 10.4 24.0
supermarket 4.8 4.0 13.6 8.0 30.4
suma 24.8 28.8 24.0 22.4 100.0 
częstosci wg wierszy %:
dochody_kat bardzo wysoki niski wysoki średni
preferowany typ sklepu
bazarek 20.69 48.28 13.79 17.24
galeria 64.29 17.86 17.86 0.00
osiedlowy 3.33 40.00 13.33 43.33
supermarket 15.79 13.16 44.74 26.32 
liczebności:
wydatki_kat bardzo wysoki niski wysoki średni Razem
preferowany typ sklepu
bazarek 1 16 5 7 29
galeria 20 4 4 0 28
osiedlowy 3 8 3 16 30
supermarket 7 4 19 8 38
Razem 31 32 31 31 125 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
preferowany typ sklepu
bazarek 0.8 12.8 4.0 5.6 23.2
galeria 16.0 3.2 3.2 0.0 22.4
osiedlowy 2.4 6.4 2.4 12.8 24.0
supermarket 5.6 3.2 15.2 6.4 30.4
suma 24.8 25.6 24.8 24.8 100.0 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
preferowany typ sklepu
bazarek 0.8 12.8 4.0 5.6 23.2
galeria 16.0 3.2 3.2 0.0 22.4
osiedlowy 2.4 6.4 2.4 12.8 24.0
supermarket 5.6 3.2 15.2 6.4 30.4
suma 24.8 25.6 24.8 24.8 100.0 
częstosci wg wierszy %:
wydatki_kat bardzo wysoki niski wysoki średni
preferowany typ sklepu
bazarek 3.45 55.17 17.24 24.14
galeria 71.43 14.29 14.29 0.00
osiedlowy 10.00 26.67 10.00 53.33
supermarket 18.42 10.53 50.00 21.05 
liczebności:
dochody_kat bardzo wysoki niski wysoki średni Razem
preferowana marka sklepu
Biedronka 12 8 4 9 33
Inna_lokalna 4 10 10 7 31
Kaufland 6 2 4 2 14
Lidl 3 8 7 3 21
Netto 4 7 1 2 14
Żabka 2 1 4 5 12
Razem 31 36 30 28 125 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
preferowana marka sklepu
Biedronka 9.6 6.4 3.2 7.2 26.4
Inna_lokalna 3.2 8.0 8.0 5.6 24.8
Kaufland 4.8 1.6 3.2 1.6 11.2
Lidl 2.4 6.4 5.6 2.4 16.8
Netto 3.2 5.6 0.8 1.6 11.2
Żabka 1.6 0.8 3.2 4.0 9.6
suma 24.8 28.8 24.0 22.4 100.0 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
preferowana marka sklepu
Biedronka 9.6 6.4 3.2 7.2 26.4
Inna_lokalna 3.2 8.0 8.0 5.6 24.8
Kaufland 4.8 1.6 3.2 1.6 11.2
Lidl 2.4 6.4 5.6 2.4 16.8
Netto 3.2 5.6 0.8 1.6 11.2
Żabka 1.6 0.8 3.2 4.0 9.6
suma 24.8 28.8 24.0 22.4 100.0 
częstosci wg wierszy %:
dochody_kat bardzo wysoki niski wysoki średni
preferowana marka sklepu
Biedronka 36.36 24.24 12.12 27.27
Inna_lokalna 12.90 32.26 32.26 22.58
Kaufland 42.86 14.29 28.57 14.29
Lidl 14.29 38.10 33.33 14.29
Netto 28.57 50.00 7.14 14.29
Żabka 16.67 8.33 33.33 41.67 
liczebności:
wydatki_kat bardzo wysoki niski wysoki średni Razem
preferowana marka sklepu
Biedronka 13 7 5 8 33
Inna_lokalna 3 9 9 10 31
Kaufland 6 3 4 1 14
Lidl 3 7 7 4 21
Netto 4 5 2 3 14
Żabka 2 1 4 5 12
Razem 31 32 31 31 125 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
preferowana marka sklepu
Biedronka 10.4 5.6 4.0 6.4 26.4
Inna_lokalna 2.4 7.2 7.2 8.0 24.8
Kaufland 4.8 2.4 3.2 0.8 11.2
Lidl 2.4 5.6 5.6 3.2 16.8
Netto 3.2 4.0 1.6 2.4 11.2
Żabka 1.6 0.8 3.2 4.0 9.6
suma 24.8 25.6 24.8 24.8 100.0 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
preferowana marka sklepu
Biedronka 10.4 5.6 4.0 6.4 26.4
Inna_lokalna 2.4 7.2 7.2 8.0 24.8
Kaufland 4.8 2.4 3.2 0.8 11.2
Lidl 2.4 5.6 5.6 3.2 16.8
Netto 3.2 4.0 1.6 2.4 11.2
Żabka 1.6 0.8 3.2 4.0 9.6
suma 24.8 25.6 24.8 24.8 100.0 
częstosci wg wierszy %:
wydatki_kat bardzo wysoki niski wysoki średni
preferowana marka sklepu
Biedronka 39.39 21.21 15.15 24.24
Inna_lokalna 9.68 29.03 29.03 32.26
Kaufland 42.86 21.43 28.57 7.14
Lidl 14.29 33.33 33.33 19.05
Netto 28.57 35.71 14.29 21.43
Żabka 16.67 8.33 33.33 41.67 
liczebności:
dochody_kat bardzo wysoki niski wysoki średni Razem
czynnik zakupowy
cena 9 12 8 9 38
inne 6 4 6 3 19
jakość 12 13 14 8 47
marka 4 7 2 8 21
Razem 31 36 30 28 125 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
czynnik zakupowy
cena 7.2 9.6 6.4 7.2 30.4
inne 4.8 3.2 4.8 2.4 15.2
jakość 9.6 10.4 11.2 6.4 37.6
marka 3.2 5.6 1.6 6.4 16.8
suma 24.8 28.8 24.0 22.4 100.0 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
czynnik zakupowy
cena 7.2 9.6 6.4 7.2 30.4
inne 4.8 3.2 4.8 2.4 15.2
jakość 9.6 10.4 11.2 6.4 37.6
marka 3.2 5.6 1.6 6.4 16.8
suma 24.8 28.8 24.0 22.4 100.0 
częstosci wg wierszy %:
dochody_kat bardzo wysoki niski wysoki średni
czynnik zakupowy
cena 23.68 31.58 21.05 23.68
inne 31.58 21.05 31.58 15.79
jakość 25.53 27.66 29.79 17.02
marka 19.05 33.33 9.52 38.10 
liczebności:
wydatki_kat bardzo wysoki niski wysoki średni Razem
czynnik zakupowy
cena 9 10 9 10 38
inne 5 4 6 4 19
jakość 12 13 12 10 47
marka 5 5 4 7 21
Razem 31 32 31 31 125 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
czynnik zakupowy
cena 7.2 8.0 7.2 8.0 30.4
inne 4.0 3.2 4.8 3.2 15.2
jakość 9.6 10.4 9.6 8.0 37.6
marka 4.0 4.0 3.2 5.6 16.8
suma 24.8 25.6 24.8 24.8 100.0 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
czynnik zakupowy
cena 7.2 8.0 7.2 8.0 30.4
inne 4.0 3.2 4.8 3.2 15.2
jakość 9.6 10.4 9.6 8.0 37.6
marka 4.0 4.0 3.2 5.6 16.8
suma 24.8 25.6 24.8 24.8 100.0 
częstosci wg wierszy %:
wydatki_kat bardzo wysoki niski wysoki średni
czynnik zakupowy
cena 23.68 26.32 23.68 26.32
inne 26.32 21.05 31.58 21.05
jakość 25.53 27.66 25.53 21.28
marka 23.81 23.81 19.05 33.33 
liczebności:
dochody_kat bardzo wysoki niski wysoki średni Razem
rodzaj promocji
gazetka 7 17 11 10 45
inne 5 3 0 5 13
karta 2 8 1 3 14
nie korzystam 8 3 3 5 19
reklama rtv 9 5 15 5 34
Razem 31 36 30 28 125 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
rodzaj promocji
gazetka 5.6 13.6 8.8 8.0 36.0
inne 4.0 2.4 0.0 4.0 10.4
karta 1.6 6.4 0.8 2.4 11.2
nie korzystam 6.4 2.4 2.4 4.0 15.2
reklama rtv 7.2 4.0 12.0 4.0 27.2
suma 24.8 28.8 24.0 22.4 100.0 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
rodzaj promocji
gazetka 5.6 13.6 8.8 8.0 36.0
inne 4.0 2.4 0.0 4.0 10.4
karta 1.6 6.4 0.8 2.4 11.2
nie korzystam 6.4 2.4 2.4 4.0 15.2
reklama rtv 7.2 4.0 12.0 4.0 27.2
suma 24.8 28.8 24.0 22.4 100.0 
częstosci wg wierszy %:
dochody_kat bardzo wysoki niski wysoki średni
rodzaj promocji
gazetka 15.56 37.78 24.44 22.22
inne 38.46 23.08 0.00 38.46
karta 14.29 57.14 7.14 21.43
nie korzystam 42.11 15.79 15.79 26.32
reklama rtv 26.47 14.71 44.12 14.71 
liczebności:
wydatki_kat bardzo wysoki niski wysoki średni Razem
rodzaj promocji
gazetka 8 13 11 13 45
inne 3 5 0 5 13
karta 2 7 2 3 14
nie korzystam 8 2 5 4 19
reklama rtv 10 5 13 6 34
Razem 31 32 31 31 125 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
rodzaj promocji
gazetka 6.4 10.4 8.8 10.4 36.0
inne 2.4 4.0 0.0 4.0 10.4
karta 1.6 5.6 1.6 2.4 11.2
nie korzystam 6.4 1.6 4.0 3.2 15.2
reklama rtv 8.0 4.0 10.4 4.8 27.2
suma 24.8 25.6 24.8 24.8 100.0 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
rodzaj promocji
gazetka 6.4 10.4 8.8 10.4 36.0
inne 2.4 4.0 0.0 4.0 10.4
karta 1.6 5.6 1.6 2.4 11.2
nie korzystam 6.4 1.6 4.0 3.2 15.2
reklama rtv 8.0 4.0 10.4 4.8 27.2
suma 24.8 25.6 24.8 24.8 100.0 
częstosci wg wierszy %:
wydatki_kat bardzo wysoki niski wysoki średni
rodzaj promocji
gazetka 17.78 28.89 24.44 28.89
inne 23.08 38.46 0.00 38.46
karta 14.29 50.00 14.29 21.43
nie korzystam 42.11 10.53 26.32 21.05
reklama rtv 29.41 14.71 38.24 17.65 
liczebności:
dochody_kat bardzo wysoki niski wysoki średni Razem
wiek_kat
14-22 3 4 3 2 12
23-39 6 9 9 11 35
40-65 15 13 11 13 52
> 66 7 10 7 2 26
Razem 31 36 30 28 125 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
wiek_kat
14-22 2.4 3.2 2.4 1.6 9.6
23-39 4.8 7.2 7.2 8.8 28.0
40-65 12.0 10.4 8.8 10.4 41.6
> 66 5.6 8.0 5.6 1.6 20.8
suma 24.8 28.8 24.0 22.4 100.0 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
wiek_kat
14-22 2.4 3.2 2.4 1.6 9.6
23-39 4.8 7.2 7.2 8.8 28.0
40-65 12.0 10.4 8.8 10.4 41.6
> 66 5.6 8.0 5.6 1.6 20.8
suma 24.8 28.8 24.0 22.4 100.0 
częstosci wg wierszy %:
dochody_kat bardzo wysoki niski wysoki średni
wiek_kat
14-22 25.00 33.33 25.00 16.67
23-39 17.14 25.71 25.71 31.43
40-65 28.85 25.00 21.15 25.00
> 66 26.92 38.46 26.92 7.69 
liczebności:
wydatki_kat bardzo wysoki niski wysoki średni Razem
wiek_kat
14-22 3 4 2 3 12
23-39 5 10 9 11 35
40-65 14 11 14 13 52
> 66 9 7 6 4 26
Razem 31 32 31 31 125 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
wiek_kat
14-22 2.4 3.2 1.6 2.4 9.6
23-39 4.0 8.0 7.2 8.8 28.0
40-65 11.2 8.8 11.2 10.4 41.6
> 66 7.2 5.6 4.8 3.2 20.8
suma 24.8 25.6 24.8 24.8 100.0 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
wiek_kat
14-22 2.4 3.2 1.6 2.4 9.6
23-39 4.0 8.0 7.2 8.8 28.0
40-65 11.2 8.8 11.2 10.4 41.6
> 66 7.2 5.6 4.8 3.2 20.8
suma 24.8 25.6 24.8 24.8 100.0 
częstosci wg wierszy %:
wydatki_kat bardzo wysoki niski wysoki średni
wiek_kat
14-22 25.00 33.33 16.67 25.00
23-39 14.29 28.57 25.71 31.43
40-65 26.92 21.15 26.92 25.00
> 66 34.62 26.92 23.08 15.38 
liczebności:
dochody_kat bardzo wysoki niski wysoki średni Razem
wielkość miasta
201 tys.-500 tys. 5 6 6 7 24
51 tys.-200 tys. 23 29 19 19 90
<50 tys. 0 0 2 2 4
pow 500 tys. 3 1 3 0 7
Razem 31 36 30 28 125 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
wielkość miasta
201 tys.-500 tys. 4.0 4.8 4.8 5.6 19.2
51 tys.-200 tys. 18.4 23.2 15.2 15.2 72.0
<50 tys. 0.0 0.0 1.6 1.6 3.2
pow 500 tys. 2.4 0.8 2.4 0.0 5.6
suma 24.8 28.8 24.0 22.4 100.0 
częstości całkowite %:
dochody_kat bardzo wysoki niski wysoki średni suma
wielkość miasta
201 tys.-500 tys. 4.0 4.8 4.8 5.6 19.2
51 tys.-200 tys. 18.4 23.2 15.2 15.2 72.0
<50 tys. 0.0 0.0 1.6 1.6 3.2
pow 500 tys. 2.4 0.8 2.4 0.0 5.6
suma 24.8 28.8 24.0 22.4 100.0 
częstosci wg wierszy %:
dochody_kat bardzo wysoki niski wysoki średni
wielkość miasta
201 tys.-500 tys. 20.83 25.00 25.00 29.17
51 tys.-200 tys. 25.56 32.22 21.11 21.11
<50 tys. 0.00 0.00 50.00 50.00
pow 500 tys. 42.86 14.29 42.86 0.00 
liczebności:
wydatki_kat bardzo wysoki niski wysoki średni Razem
wielkość miasta
201 tys.-500 tys. 5 4 7 8 24
51 tys.-200 tys. 23 27 19 21 90
<50 tys. 0 0 3 1 4
pow 500 tys. 3 1 2 1 7
Razem 31 32 31 31 125 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
wielkość miasta
201 tys.-500 tys. 4.0 3.2 5.6 6.4 19.2
51 tys.-200 tys. 18.4 21.6 15.2 16.8 72.0
<50 tys. 0.0 0.0 2.4 0.8 3.2
pow 500 tys. 2.4 0.8 1.6 0.8 5.6
suma 24.8 25.6 24.8 24.8 100.0 
częstości całkowite %:
wydatki_kat bardzo wysoki niski wysoki średni suma
wielkość miasta
201 tys.-500 tys. 4.0 3.2 5.6 6.4 19.2
51 tys.-200 tys. 18.4 21.6 15.2 16.8 72.0
<50 tys. 0.0 0.0 2.4 0.8 3.2
pow 500 tys. 2.4 0.8 1.6 0.8 5.6
suma 24.8 25.6 24.8 24.8 100.0 
częstosci wg wierszy %:
wydatki_kat bardzo wysoki niski wysoki średni
wielkość miasta
201 tys.-500 tys. 20.83 16.67 29.17 33.33
51 tys.-200 tys. 25.56 30.00 21.11 23.33
<50 tys. 0.00 0.00 75.00 25.00
pow 500 tys. 42.86 14.29 28.57 14.29 



























2.5.2 Wykresy¶


















In [ ]:



     


lista = ['płeć', 'wykształcenie', 'preferowany typ sklepu', 'preferowana marka sklepu', 
         'czynnik zakupowy', 'rodzaj promocji', 'wiek_kat', 'wielkość miasta']
lista2 = ['dochody_kat', 'wydatki_kat']

for element1, element2 in itertools.product(lista, lista2):
    pd.crosstab(dane[element1], dane[element2], margins=False).plot(kind='barh')



     




















    
    















    
    















    
    















    
    















    
    















    
    















    
    















    
    















    
    















    
    















    
    















    
    















    
    















    
    















    
    















    
    



































2.5.3 Miary zależnosci zmiennych kategorialnych¶


















In [ ]:



     


import pandas as pd
import numpy as np
import math
from scipy.stats import chi2_contingency
import itertools

def korelacje_nom(df, var1, var2):
    """ 'phi' - phi Yule'a, 'cp' - C-Pearsona, 'v' - V-Cramera,'t' - T-Czuprowa, 'c' - Cohena """
    table = pd.crosstab(df[var1], df[var2])
    df2 = df[[var1, var2]]
    chi2, p, dof, expected = chi2_contingency(table)
    N = df.shape[0]  # liczba elementow/obserwacji
    r = table.shape[0]  # liczba wierszy w tabeli kontyngencji.
    k = table.shape[1]  # liczba kolumn w tabeli kontyngencji,
    phi = (chi2 / N).round(3)
    C_pearson = np.round(math.sqrt(chi2 / (chi2 + N)), 3)
    V_cramer = np.round(math.sqrt(chi2 / (N * min(k - 1, r - 1))), 3)
    T_czuprow = np.round(math.sqrt(chi2 / (N * np.sqrt((r - 1) * (k - 1)))), 3)
    Cohen = np.round(V_cramer * (math.sqrt(min(k - 1, r - 1) - 1)), 3)
    
    # Tworzenie listy wyników
    results = [{'Measure': 'Phi Yule\'a', 'Value': phi},
               {'Measure': 'C-Pearsona', 'Value': C_pearson},
               {'Measure': 'V-Cramera', 'Value': V_cramer},
               {'Measure': 'T-Czuprowa', 'Value': T_czuprow},
               {'Measure': 'Cohena', 'Value': Cohen}]
    
    # Tworzenie ramki danych z wynikami
    result_df = pd.DataFrame(results)
    
    return result_df



     



















In [ ]:



     


lista = ['płeć', 'wykształcenie', 'preferowany typ sklepu', 'preferowana marka sklepu', 'czynnik zakupowy', 'rodzaj promocji', 'wiek_kat', 'wielkość miasta']
lista2 = ['dochody_kat', 'wydatki_kat']



for element1, element2 in itertools.product(lista, lista2):
    print(f'{element1.upper()} - {element2.upper()}')
    print(korelacje_nom(dane, element1, element2))
    print('----------------------------------')



     




















    
    






PŁEĆ - DOCHODY_KAT
      Measure  Value
0  Phi Yule'a  0.553
1  C-Pearsona  0.597
2   V-Cramera  0.744
3  T-Czuprowa  0.565
4      Cohena  0.000
----------------------------------
PŁEĆ - WYDATKI_KAT
      Measure  Value
0  Phi Yule'a  0.753
1  C-Pearsona  0.655
2   V-Cramera  0.868
3  T-Czuprowa  0.659
4      Cohena  0.000
----------------------------------
WYKSZTAŁCENIE - DOCHODY_KAT
      Measure  Value
0  Phi Yule'a  0.504
1  C-Pearsona  0.579
2   V-Cramera  0.410
3  T-Czuprowa  0.410
4      Cohena  0.580
----------------------------------
WYKSZTAŁCENIE - WYDATKI_KAT
      Measure  Value
0  Phi Yule'a  0.484
1  C-Pearsona  0.571
2   V-Cramera  0.402
3  T-Czuprowa  0.402
4      Cohena  0.569
----------------------------------
PREFEROWANY TYP SKLEPU - DOCHODY_KAT
      Measure  Value
0  Phi Yule'a  0.455
1  C-Pearsona  0.559
2   V-Cramera  0.389
3  T-Czuprowa  0.389
4      Cohena  0.550
----------------------------------
PREFEROWANY TYP SKLEPU - WYDATKI_KAT
      Measure  Value
0  Phi Yule'a  0.633
1  C-Pearsona  0.623
2   V-Cramera  0.459
3  T-Czuprowa  0.459
4      Cohena  0.649
----------------------------------
PREFEROWANA MARKA SKLEPU - DOCHODY_KAT
      Measure  Value
0  Phi Yule'a  0.178
1  C-Pearsona  0.389
2   V-Cramera  0.244
3  T-Czuprowa  0.214
4      Cohena  0.345
----------------------------------
PREFEROWANA MARKA SKLEPU - WYDATKI_KAT
      Measure  Value
0  Phi Yule'a  0.153
1  C-Pearsona  0.364
2   V-Cramera  0.226
3  T-Czuprowa  0.199
4      Cohena  0.320
----------------------------------
CZYNNIK ZAKUPOWY - DOCHODY_KAT
      Measure  Value
0  Phi Yule'a  0.062
1  C-Pearsona  0.241
2   V-Cramera  0.144
3  T-Czuprowa  0.144
4      Cohena  0.204
----------------------------------
CZYNNIK ZAKUPOWY - WYDATKI_KAT
      Measure  Value
0  Phi Yule'a  0.016
1  C-Pearsona  0.125
2   V-Cramera  0.073
3  T-Czuprowa  0.073
4      Cohena  0.103
----------------------------------
RODZAJ PROMOCJI - DOCHODY_KAT
      Measure  Value
0  Phi Yule'a  0.223
1  C-Pearsona  0.427
2   V-Cramera  0.272
3  T-Czuprowa  0.254
4      Cohena  0.385
----------------------------------
RODZAJ PROMOCJI - WYDATKI_KAT
      Measure  Value
0  Phi Yule'a  0.161
1  C-Pearsona  0.373
2   V-Cramera  0.232
3  T-Czuprowa  0.216
4      Cohena  0.328
----------------------------------
WIEK_KAT - DOCHODY_KAT
      Measure  Value
0  Phi Yule'a  0.056
1  C-Pearsona  0.230
2   V-Cramera  0.136
3  T-Czuprowa  0.136
4      Cohena  0.192
----------------------------------
WIEK_KAT - WYDATKI_KAT
      Measure  Value
0  Phi Yule'a  0.044
1  C-Pearsona  0.205
2   V-Cramera  0.121
3  T-Czuprowa  0.121
4      Cohena  0.171
----------------------------------
WIELKOŚĆ MIASTA - DOCHODY_KAT
      Measure  Value
0  Phi Yule'a  0.082
1  C-Pearsona  0.275
2   V-Cramera  0.165
3  T-Czuprowa  0.165
4      Cohena  0.233
----------------------------------
WIELKOŚĆ MIASTA - WYDATKI_KAT
      Measure  Value
0  Phi Yule'a  0.086
1  C-Pearsona  0.282
2   V-Cramera  0.169
3  T-Czuprowa  0.169
4      Cohena  0.239
----------------------------------




























2.6. Miary zależnosci zmiennych kateegorialnych i nominalnych¶


















In [ ]:



     


def korelacje_nom_num(df, var1, var2):
    """ df - tabela danych  
    var1 - zmienna nominalna 2 poziomowa   
    var2 - zmienna numeryczna wynik ->(-1,1) """
    groupby_cat = df.groupby(var1)[var2].mean()
    y0 = groupby_cat.iloc[0]
    y1 = groupby_cat.iloc[1]
    p = df[var1].value_counts() / df.shape[0]
    std = df[var2].std()
    Point_Biserial= np.round((y1 - y0) * np.sqrt(p[1] * (1 - p[1])) / std,3)
    print(f'współczynnik korelacji pomiędzy [{var1}] a [{var2}]  --> Point_Biserial = {Point_Biserial}')

korelacje_nom_num(dane, 'płeć', 'dochody')
korelacje_nom_num(dane, 'płeć', 'wydatki')



     




















    
    






współczynnik korelacji pomiędzy [płeć] a [dochody]  --> Point_Biserial = -0.562
współczynnik korelacji pomiędzy [płeć] a [wydatki]  --> Point_Biserial = -0.691




























2.7. Analiza zależności zmiennych numerycznych wg poziomów zmienej kategorialnej¶






















2.7.1. Tablica korelacji¶


















In [ ]:



     


# korelacje zmienne numeryczne w grupach (wg poziomów zmiennej kategorialnej)

def korelacje_num_nom(df, method,var_nom, *var):
    """
    pearson : standard correlation coefficient
    kendall : Kendall Tau correlation coefficient
    spearman : Spearman rank correlation
    """
    #fig, axs = plt.subplots(figsize=(9, 4))
    print(f'Macierz Korelacji  [metoda: "{method}"]')
    corr_matrix =df.groupby(var_nom)[list(var)].corr(method=method).round(2)
    #sns.heatmap(corr_matrix, annot=True, cmap='coolwarm')
    return corr_matrix



     



















In [ ]:



     


lista0 = ['płeć', 'wykształcenie', 'preferowany typ sklepu', 'preferowana marka sklepu', 'czynnik zakupowy',
          'rodzaj promocji', 'wiek_kat', 'wielkość miasta']

# Iterowanie po liście zmiennych
for zmienna in lista0:
    # Obliczanie korelacji dla danej zmiennej
    korelacja = pd.DataFrame(dane.groupby(zmienna)[['dochody', 'wydatki']].corr()).iloc[0::2, -1]
    
    print(f'Korelacja pomiędzy dochodami a wydatkami dla zmiennej {zmienna}:')
    display(korelacja)
    print()



     




















    
    






Korelacja pomiędzy dochodami a wydatkami dla zmiennej płeć:








    
    








płeć         
k     dochody    0.906979
m     dochody   -0.175780
Name: wydatki, dtype: float64








    
    






Korelacja pomiędzy dochodami a wydatkami dla zmiennej wykształcenie:








    
    








wykształcenie         
podstawowe     dochody   -0.511592
wyższe         dochody    0.817004
zawodowe       dochody    0.142001
średnie        dochody    0.542916
Name: wydatki, dtype: float64








    
    






Korelacja pomiędzy dochodami a wydatkami dla zmiennej preferowany typ sklepu:








    
    








preferowany typ sklepu         
bazarek                 dochody    0.132630
galeria                 dochody    0.858946
osiedlowy               dochody    0.553212
supermarket             dochody    0.943256
Name: wydatki, dtype: float64








    
    






Korelacja pomiędzy dochodami a wydatkami dla zmiennej preferowana marka sklepu:








    
    








preferowana marka sklepu         
Biedronka                 dochody    0.736408
Inna_lokalna              dochody    0.815688
Kaufland                  dochody    0.749144
Lidl                      dochody    0.358443
Netto                     dochody    0.895187
Żabka                     dochody    0.989059
Name: wydatki, dtype: float64








    
    






Korelacja pomiędzy dochodami a wydatkami dla zmiennej czynnik zakupowy:








    
    








czynnik zakupowy         
cena              dochody    0.850183
inne              dochody    0.460843
jakość            dochody    0.692022
marka             dochody    0.911966
Name: wydatki, dtype: float64








    
    






Korelacja pomiędzy dochodami a wydatkami dla zmiennej rodzaj promocji:








    
    








rodzaj promocji         
gazetka          dochody    0.689777
inne             dochody    0.728024
karta            dochody    0.992614
nie korzystam    dochody    0.971983
reklama rtv      dochody    0.382493
Name: wydatki, dtype: float64








    
    






Korelacja pomiędzy dochodami a wydatkami dla zmiennej wiek_kat:








    
    








wiek_kat         
14-22     dochody    0.711251
23-39     dochody    0.703188
40-65     dochody    0.767605
> 66      dochody    0.765623
Name: wydatki, dtype: float64








    
    






Korelacja pomiędzy dochodami a wydatkami dla zmiennej wielkość miasta:








    
    








wielkość miasta           
201 tys.-500 tys.  dochody    0.978131
51 tys.-200 tys.   dochody    0.676187
<50 tys.           dochody    0.958820
pow 500 tys.       dochody    0.975082
Name: wydatki, dtype: float64








    
    

































6.6.2. Wykres korelacji i rozrzutu¶


















In [ ]:



     


lista_1 = ['dochody', 'wydatki']

lista_2 = ['płeć', 'wykształcenie', 'preferowany typ sklepu', 'preferowana marka sklepu', 'czynnik zakupowy',
          'rodzaj promocji', 'wiek_kat', 'wielkość miasta']

for element1 in lista_1:
    for element2 in lista_2:
        title = f"Statystyki: [{element1} - {element2}]"
        #display(title)
        g = sns.FacetGrid(data=dane, col=element2)
        g = g.map(plt.scatter, "dochody", 'wydatki', edgecolor="w")
        g.add_legend()

        # g = sns.FacetGrid(data=dane, col=element2, hue='płeć')
        # g = g.map(plt.scatter, "dochody", 'wydatki', edgecolor="w")
        # g.add_legend()